MétaCan
Menu
Retour à la cohorte
Enregistrement W4391832048 · doi:10.5194/wes-2024-15

Some comments on experimental results of three lift controllers for a wind turbine blade section using an active flow control

2024· preprint· en· W4391832048 sur OpenAlexaff
Loïc Michel, Caroline Braud, Jean‐Pierre Barbot, Franck Plestan, Dimitri Peaucelle, Xavier Boucher

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesWEst Atlantic Marine Energy CommunityAssociation Instituts CarnotAgence Nationale de la Recherche
Mots-clésAerodynamicsWind powerTurbineBlade pitchLift (data mining)Rotor (electric)Control theory (sociology)EngineeringTurbine bladeInflowWind tunnelAutomotive engineeringComputer scienceAerospace engineeringMechanical engineeringControl (management)MechanicsPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract. Controlling wind turbines is generally performed globally (rotor yaw or blade pitch control) to optimize the energy extraction and minimize rotor's loads for rotor's lifetime extension. This means that no information from the blade aerodynamics is up to now taken into account in the control loop while it is well understood that wind inflow interaction with blade aerodynamics can lead to power loss, load fluctuations and noise generation. This work deals with the development of control algorithms applied at the level of the blade section, considering only local aerodynamic sensing and actuators. The objective is to extract the maximum power from the wind energy by maintaining the aerodynamic lift at its highest value, while limiting load fluctuations using different solutions of control which take into account disturbances from different turbulent inflows. Some control strategies are investigated thanks to an experimental bench in the aerodynamic wind tunnel of LHEEA's laboratory in order to compare the tracking performances with respect to different operating scenarios.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,288
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWind Energy Research and DevelopmentTravaux en français237 207